Light-Head R-CNN學習筆記

在這篇文章裡，作者主要分析了：

為什麼two-stage detector會慢，主要慢在哪？

如何在解決速度慢同時保證精度？

文中，作者把 two-stage 拆解成 body 跟 head:

body: 生成proposal(RoI)的過程, 即: ROI warping.

head: 基于proposal的recognition過程, 即: RCNN subnet.

作者認為，目前的算法，為了追求best accurcy，一般都會把head設計的非常heavy，是以即使我們把前面的base model變小，還是無法明顯提升檢測速度。

下面的Figure1為我們展示了Faster R-CNN，R-FCN，Light-Head RCNN在結構上的對比圖。

我們知道，由于Faster RCNN經過ROI Pooling之後需要對每個候選框進行檢測，這是特别耗時的，特别是圖檔中目标很多時。針對這種情況，R-FCN将所有的權重共享，并引入了Position Sensitive Score Map來解決CNN的位置不敏感性，是以在R-FCN中将Score Map的通道設計為P^2(C+1)個，因為對于COCO資料集來說就需要3969個通道，這樣就極大的增加了運算的複雜度，基于這一點Light-Head RCNN的出發點就是是否可以将這個特征圖變薄？但一旦将特征圖變薄，那麼R-FCN裡面的vote方式産生預測結果就不能用了，是以需要增加全連接配接層做輸出映射。

相對于Faster RCNN來講，Light-Head RCNN的檢測頭部分是做了輕量化的，從上圖可以看到Light-Head RCNN中的Region Proposal的通道數變小了，隻有490層，并且隻有一個全連接配接層，參數量大幅減少了。

（這裡這個490是怎麼來的，一臉懵逼，還有怎麼縮減成490的？還是一臉懵逼）

另外論文還在BackBone的最後一層卷積中加入了可分離卷積，以減少該層卷積的運算複雜度，同時實作兩路卷積以增加不同的感受野。

Inception 3中将大小為k_k的卷積核，用1_k和k*1的兩層卷積來代替。使用這種卷積替換之後，可以在計算結果一緻的前提下減少計算量。減少的計算量，大緻為原來的k/2，文中作者将k取15，是以這裡大大減少了計算了。當然，計算複雜度還跟 C_mid 和 C_out 有關。

下面是精度和速度比較圖：